
[AI-Native AFINIT] 5분 안에 데이터 분석 질문을 답해주는 AI 데이터 분석가를 만든 이야기
검증된 SQL·문서·코드를 repo 컨텍스트로 활용해 Slack 기반 AI 데이터 분석가를 만들었습니다. 반복 분석을 5분 내 처리하되, 지표 정의와 복잡한 판단은 사람이 맡습니다.

검증된 SQL·문서·코드를 repo 컨텍스트로 활용해 Slack 기반 AI 데이터 분석가를 만들었습니다. 반복 분석을 5분 내 처리하되, 지표 정의와 복잡한 판단은 사람이 맡습니다.

검증된 분석 산출물을 repo 컨텍스트로 활용해 Slack AI 데이터 분석가를 구축했습니다. 반나절 걸리던 분석을 5분으로 줄이고, 스레드 맥락·신뢰 장치·24시간 운영을 보완했습니다.

검증된 분석 산출물을 repo에 축적해 Slack 기반 AI 데이터 분석가를 구축했습니다. 스레드 맥락·스키마 검증·원격 운영으로 분석 요청을 약 5분 내 처리합니다.


SageMaker Studio의 TIP로 사용자 ID를 Athena·S3·Lake Formation까지 전파하는 구성을 안내했습니다. S3 Access Grants와 CloudTrail을 통해 사용자별 권한 제어 및 감사 추적을 구현했습니다.

오늘의집은 사내 데이터·인증·배포를 공용 블록으로 제공하는 바이브 코딩 플랫폼을 구축했습니다. AI 기반 개발 루프와 보안 계층으로 비개발자도 업무용 앱을 직접 배포하도록 지원했습니다.

Amazon Bedrock 기반 Claude Code를 LLM Gateway 없이 통제하는 경량 아키텍처를 소개했습니다. 로그 집계와 IAM Deny 정책으로 사용자별 비용 관리와 차단을 구현하는 방법을 정리했습니다.

실제 운영 데이터로 Iceberg와 Hive를 비교해 비용과 속도 차이를 검증했습니다. 큰 테이블부터 옮기고 SQL 패턴을 바꿔야 효과가 커졌습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.


Amazon SageMaker Unified Studio의 다계정 Redshift 공유 패턴을 검증한 글입니다. Publisher를 소스 계정에 두는 구성이 거버넌스와 컴퓨트 격리를 함께 만족했습니다.

EKS 애플리케이션 로그를 Athena와 Amazon Bedrock으로 자동 분석하는 파이프라인을 구축했습니다. 수작업 로그 분석을 줄이고 장애 원인과 패턴을 빠르게 파악하도록 구성했습니다.


Claude Code의 세션·비용·사용량을 보기 위해 AWS 관리형 서비스로 Observability 플랫폼을 구축하는 방법을 소개했습니다. 메트릭과 이벤트를 분리해 실시간 모니터링과 심층 분석을 함께 제공했습니다.

Amazon Bedrock의 엔드포인트, 쿼터, 모니터링, 최적화 방법을 정리했습니다. CRIS와 캐시, 라우팅, 메모리 기능으로 비용과 안정성을 개선할 수 있습니다.

운영 DB 중심 분석의 한계를 넘기 위해 S3, Athena, Airflow, dbt 기반 데이터 환경을 구축했습니다. AI skill로 소스 연결, 모델링, 문서화를 자동화하며 실무 생산성을 높였습니다.

DynamoDB+S3 이중 저장을 Iceberg 단일 테이블로 통합해 비용을 약 91.5% 절감했습니다. 조회 성능과 서빙 안정성도 함께 개선하고, 컴팩션과 조회의 균형 중요성을 정리했습니다.

데이터는 많지만 도구와 흐름이 흩어져 있어 활용이 어려운 문제를 다뤘습니다. 이를 해결하기 위해 JupyterHub와 dbt 조합을 통합 데이터 허브의 기반으로 선택했습니다.